Chúng ta đang sống trong một xã hội công nghệ ngày càng phát triển; đã qua giai đoạn công nghiệp, chúng ta hiện đang ở trong “kỷ nguyên thông tin”. Trong thập kỷ qua, AI và các công nghệ liên quan đã có một bước tiến đáng kể, chuyển từ các dự án thử nghiệm và triển khai sang các ứng dụng hiện đại như web ngữ nghĩa, cơ sở dữ liệu đồ thị và mô hình ngôn ngữ lớn (LLM). Tất cả những điều này dự kiến sẽ có tác động đến sự phát triển của PLM.
AI sẽ tạo ra tác động lớn đến PLM—đó chỉ là vấn đề thời gian. (Hình ảnh lịch sự của Bigstock.)
Trí tuệ nhân tạo (AI) đã phát triển trong nhiều thập kỷ và đang gia tăng sự hiện diện của nó trong cuộc sống của chúng ta, thay đổi các ngành và định hình lại các hoạt động hàng ngày của chúng ta ở khắp mọi nơi—cách chúng ta sống, làm việc và giao tiếp. Hãy nói về vị trí của công nghệ hiện tại từ góc độ kỹ thuật công nghiệp và cách nó có thể ảnh hưởng đến tương lai của PLM.
Thế giới AI hiện tại của chúng ta: Quan điểm kỹ thuật công nghiệp
Nghiên cứu và thành tựu gần đây kết hợp với sức mạnh điện toán hiện đại và tính khả dụng của nó với điện toán đám mây đang giúp AI trở nên phổ biến rộng rãi. Điều này đang đẩy ranh giới của việc sử dụng AI hàng ngày trong nhiều ứng dụng.
Các mô hình ngôn ngữ lớn, chẳng hạn như GPT-4 của OpenAI, đã thu hút được sự chú ý đáng kể của công chúng nhờ sự xuất hiện của các ứng dụng ChatGPT—đặc biệt là nhờ khả năng ấn tượng của chúng trong xử lý ngôn ngữ tự nhiên, hiểu và tạo nội dung. Một ví dụ có khả năng cộng hưởng với những người có đầu óc PLM là GitHub Copilot, theo OpenAI, đang sử dụng bộ dữ liệu mã nguồn mở từ GitHub. Các ứng dụng này rất ấn tượng, nhưng bạn nên nhớ luôn đánh giá tính chính xác, hiệu quả và xem xét đạo đức của AI dựa trên các bộ dữ liệu được sử dụng để đào tạo. Trong tình huống như vậy, điều quan trọng cần nhớ là hầu hết các công ty công nghiệp sẽ tìm kiếm giải pháp dựa trên dữ liệu của chính họ thay vì bộ dữ liệu công khai.
Với sự gia tăng nhanh chóng của công nghệ AI, một số người đã bày tỏ lo ngại về bong bóng AI hoặc GPT, được thúc đẩy bởi sự cường điệu quá mức và những kỳ vọng không thực tế. Các kỹ sư nên đánh giá cẩn thận cách triển khai các dự án AI và khả năng chuyển giao của chúng. Hầu hết các ứng dụng công nghệ mới ban đầu đều bị từ chối cho đến khi nó được chứng minh là có thể thực hiện được và AI cũng sẽ không khác. Nhưng đó không phải là lý do để chấp nhận rủi ro có thể tránh được. Chìa khóa để tránh bong bóng AI là kiểm tra mức độ thực tế của dự án bằng cách phân tích ba yếu tố: tính sẵn có của dữ liệu, trường hợp sử dụng và chi phí. Hãy nhớ rằng AI không phải là viên đạn bạc hay công cụ có thể thay thế con người. Nó là một công cụ tạo dữ liệu và ra quyết định mạnh mẽ có thể được sử dụng cùng với hoạt động của con người.
Biểu đồ tri thức và mạng ngữ nghĩa là những công cụ khác có thể giúp các kỹ sư đánh giá AI. Biểu đồ tri thức thể hiện sự hiểu biết có cấu trúc, ngữ nghĩa về thông tin. Bằng cách liên kết các điểm dữ liệu theo cách có ý nghĩa, biểu đồ tri thức có thể giúp người dùng điều hướng các bối cảnh thông tin phức tạp, cung cấp các đề xuất nhận biết ngữ cảnh và tạo điều kiện cho việc ra quyết định hiệu quả hơn. Trong ngữ cảnh của PLM, biểu đồ tri thức có thể tổng hợp dữ liệu từ nhiều hệ thống để hỗ trợ toàn bộ vòng đời sản phẩm và giúp tạo thuận lợi cho việc quản lý vòng đời từ đầu đến cuối. Bằng cách tích hợp dữ liệu từ các nguồn và hệ thống khác nhau, biểu đồ tri thức có thể giúp doanh nghiệp hiểu rõ hơn về sản phẩm của họ, tối ưu hóa quy trình và đưa ra quyết định tốt hơn. Các ứng dụng như phân tích tác động, tuân thủ quy định toàn diện và giảm thiểu rủi ro chuỗi cung ứng là những ví dụ điển hình về việc sử dụng biểu đồ tri thức.
5 cách AI sẽ thay đổi PLM
Hãy cùng khám phá một số ứng dụng AI trong PLM mà theo quan điểm của tôi, có thể có tác động đáng kể đến sự phát triển hiện đại của công nghệ và công cụ. Họ có thể giúp các công ty quản lý các khía cạnh cụ thể của quá trình phát triển sản phẩm và cung cấp hỗ trợ ra quyết định cho những người tham gia thiết kế, sản xuất, hỗ trợ khách hàng và bảo trì dự án.
1. Quản lý yêu cầu và truy xuất nguồn gốc
Quản lý yêu cầu là một khía cạnh quan trọng của quy trình phát triển sản phẩm, vì nó liên quan đến việc thu thập, phân tích và xác định nhu cầu cũng như mong đợi đối với người dùng cuối của sản phẩm. Xử lý ngôn ngữ tự nhiên và khả năng tạo bản tóm tắt của tập hợp lớn thông tin, tài liệu, video và các nguồn dữ liệu khác có thể mang lại một số đột phá cho các công cụ xác thực và quản lý yêu cầu được sử dụng trong phần mềm PLM.
2. Tái sử dụng dữ liệu để phát triển sản phẩm mới nhanh hơn
Khả năng sử dụng lại dữ liệu là điều cần thiết để phát triển sản phẩm hiệu quả, vì nó giúp các công ty tránh các nỗ lực trùng lặp và giảm chi phí. Đã bao nhiêu lần bạn nhận ra rằng các kỹ sư tạo ra các bộ phận mới chỉ vì họ không thể tìm thấy bộ phận hiện có? Các hệ thống quản lý dữ liệu do AI cung cấp có thể phân tích lượng dữ liệu khổng lồ từ nhiều nguồn khác nhau để xác định các mẫu và mối quan hệ nhằm nỗ lực đề xuất những gì có thể được tái sử dụng trong ngữ cảnh của một dự án mới. Hãy suy nghĩ về thiết kế có thể định cấu hình, Hóa đơn nguyên vật liệu và tái sử dụng các nhà cung cấp. Các mẫu tái sử dụng được áp dụng trong các dự án NPD có thể hợp lý hóa quy trình và giúp các công ty đưa ra quyết định sáng suốt hơn dựa trên dữ liệu lịch sử.
3. Trợ lý ảo và Hỗ trợ khách hàng
AI có thể giúp cải thiện tất cả các khía cạnh của công việc PLM yêu cầu sự tương tác của con người với các mẫu và thuật toán tối ưu hóa được xác định trước. Hãy nghĩ về hỗ trợ ảo trong việc lập kế hoạch cuộc họp, sắp xếp nhiệm vụ và lên lịch phê duyệt. Quy trình quản lý thay đổi có thể được tạo tự động mà không cần CCB (bảng kiểm soát thay đổi) sử dụng các công cụ quy trình công việc kiểu cũ. Đối với các dự án bảo trì và hỗ trợ khách hàng, các công cụ AI có thể cung cấp hướng dẫn tương tác và hỗ trợ thông minh để giúp thực hiện hoặc tự động hóa các tác vụ.
4. Trải nghiệm người dùng
Trong nhiều năm, các khía cạnh UI/UX của hệ thống PLM luôn chịu áp lực. Nhu cầu đơn giản hóa UX và làm cho các công cụ dễ sử dụng và dễ hiểu hơn rất cao. Đưa AI vào thế giới UI/UX của các hệ thống PLM có thể mở ra cánh cửa cho những cách hiểu vấn đề mới và các công cụ mới để đơn giản hóa UI—có lẽ bằng cách biến nó thành một cuộc trò chuyện, cho phép nhận dạng giọng nói và các cách khác để đơn giản hóa và làm cho nó hiệu quả hơn.
5. Lập kế hoạch thông minh
AI có thể giúp nâng cao tầm quan trọng của công nghệ PLM bằng cách cho phép lập kế hoạch thông minh liên quan đến cấu hình phức tạp, cung và cầu và tối ưu hóa danh mục đầu tư. Các thuật toán học máy có khả năng phân tích một lượng lớn dữ liệu, kết hợp thông tin liên quan đến thiết kế và khách hàng, đồng thời đưa ra các đường dẫn để tối ưu hóa thiết kế sản phẩm, lựa chọn nhà cung cấp và nhiều khía cạnh khác sẽ hữu ích. Nó có thể cho phép các kỹ sư điều chỉnh các chiến lược sản phẩm và tăng khả năng của các công ty để giải quyết các cơ hội mới nổi và dẫn đầu đối thủ.
Dữ liệu sẽ biến AI thành tương lai của PLM
Có một điều quan trọng nắm giữ chìa khóa cho sự tiến bộ của AI trong tương lai cho dù bạn quyết định cải thiện khía cạnh nào của PLM bằng cách sử dụng ngăn xếp công nghệ AI hiện đại—và đó là dữ liệu. Dữ liệu là vua và bạn không thể khiến AI hoạt động nếu không có nó. Do đó, nếu bạn nghĩ về các dự án AI, hãy bắt đầu bằng cách nghĩ về cách lấy dữ liệu có thể giúp bạn biến ý tưởng AI của mình thành hiện thực.
Dữ liệu là huyết mạch của bất kỳ hệ thống AI nào. Trong bối cảnh của PLM, dữ liệu từ nhiều nguồn khác nhau như thiết kế, sản xuất và phản hồi của khách hàng đóng vai trò là nền tảng cho việc ra quyết định dựa trên AI. Dữ liệu này không chỉ cho phép AI xác định các mẫu, xu hướng và cơ hội cải tiến mà còn trao quyền cho các tổ chức đưa ra quyết định sáng suốt trong suốt vòng đời sản phẩm. Các nguồn dữ liệu chính có thể là thiết kế của bạn (tệp), Hóa đơn nguyên vật liệu (BOM), báo cáo bảo trì, bản vẽ cũ và cơ sở dữ liệu doanh nghiệp như MRP/ERP, SCM, MES, CRM, v.v. Thu thập và làm sạch dữ liệu là một bước thiết yếu để bắt đầu hoạt động AI.
Một trong những khía cạnh quan trọng trong tương lai của PLM AI là tích hợp nhiều công nghệ để tạo ra một mô hình thông tin toàn diện. Việc kết hợp các loại dữ liệu khác nhau, chẳng hạn như dữ liệu có cấu trúc và không có cấu trúc, có thể cung cấp một cái nhìn toàn diện hơn về vòng đời của sản phẩm. Ngoài ra, việc kết hợp các công nghệ như IoT, học máy và xử lý ngôn ngữ tự nhiên có thể nâng cao hơn nữa khả năng của các hệ thống PLM do AI điều khiển. Điều quan trọng nhất là tìm ra mô hình và cách tiếp cận phù hợp từ việc lựa chọn các công nghệ AI có sẵn. Dưới đây là một số ví dụ:
Xử lý ngôn ngữ tự nhiên (NLP): Sử dụng các kỹ thuật NLP để trích xuất thông tin liên quan từ thông số kỹ thuật của sản phẩm, tài liệu kỹ thuật hoặc tệp thiết kế để tạo một thiết kế hoặc BOM mới. Cách tiếp cận này có thể giúp tự động hóa quá trình xác định các thành phần, vật liệu và nhà cung cấp.
Thị giác máy tính: Tận dụng các kỹ thuật thị giác máy tính để phân tích hình ảnh sản phẩm, bản vẽ CAD hoặc các hình ảnh đại diện trực quan khác của sản phẩm nhằm xác định các thành phần và vật liệu. Thông tin có thể được sử dụng để tạo cấu hình sản phẩm mới hoặc tìm nhà cung cấp.
Sơ đồ tri thức và Công nghệ ngữ nghĩa: Phát triển sơ đồ tri thức thể hiện các thành phần sản phẩm, vật liệu, nhà cung cấp và các thực thể có liên quan khác cũng như mối quan hệ của chúng. Các công nghệ ngữ nghĩa như RDF và OWL có thể giúp chính thức hóa và cấu trúc kiến thức này. Sau đó, các kỹ thuật AI như mạng thần kinh đồ thị hoặc máy học dựa trên đồ thị có thể được áp dụng để tạo hoặc tối ưu hóa cấu trúc BOM.
Hệ thống dựa trên quy tắc: Hệ thống dựa trên quy tắc là một trong những kỹ thuật lâu đời nhất trong quá trình ra quyết định. Tạo một hệ thống dựa trên quy tắc nắm bắt kiến thức, hướng dẫn và ràng buộc theo miền cụ thể liên quan đến thiết kế, sản xuất và tạo BOM sản phẩm. Sau đó, hệ thống có thể tạo cấu hình sản phẩm bằng cách áp dụng các quy tắc này cho dữ liệu sản phẩm.
Tối ưu hóa được hỗ trợ bởi AI: Phát triển các thuật toán tối ưu hóa dựa trên AI giúp tạo ra cấu trúc sản phẩm tối ưu bằng cách xem xét nhiều yếu tố như chi phí, thời gian giao hàng, tính khả dụng và các ràng buộc khác. Cách tiếp cận này đặc biệt hữu ích trong việc tìm nguồn cung ứng phức tạp.
Mỗi tổ chức đều có nhu cầu, quy trình và mục tiêu riêng, điều này khiến việc tùy chỉnh các hệ thống PLM do AI điều khiển để đáp ứng các yêu cầu cụ thể là điều cần thiết. Bằng cách sử dụng dữ liệu của một tổ chức, AI có thể được bối cảnh hóa để đưa ra quyết định tốt hơn và cải thiện hiệu quả. Do đó, điều quan trọng là phải tìm cách sử dụng dữ liệu của công ty để tạo ra một mô hình dữ liệu duy nhất cho AI.
Bối cảnh hóa bao gồm quá trình chia dữ liệu thành các silo và cho phép tái sử dụng dữ liệu đa chức năng. Chẳng hạn, thuật toán AI có thể phân tích dữ liệu từ nhiều bộ phận, chẳng hạn như kỹ thuật, sản xuất, chuỗi cung ứng và dịch vụ để cung cấp hiểu biết toàn diện hơn về vòng đời sản phẩm cũng như cách tối ưu hóa và hợp lý hóa các quy trình.
Những điểm chính đút kết về ứng dụng AI trong PLM dành cho kỹ sư công nghiệp
Tương lai của AI trong quản lý vòng đời sản phẩm vừa hứa hẹn vừa không chắc chắn. Nó có rất nhiều tiềm năng để thay đổi các công ty công nghiệp và cách họ đưa ra quyết định. Nhưng kết quả vẫn chưa chắc chắn, bởi vì nhiều ứng dụng của AI vẫn còn mới và cần được xác nhận. Chìa khóa để khai phá tiềm năng này nằm ở sự giao thoa giữa dữ liệu của công ty và bối cảnh hóa công nghệ AI để giải quyết các vấn đề cụ thể của khách hàng hoặc ngành.
Tương lai của AI trong PLM phụ thuộc vào việc sử dụng dữ liệu hiệu quả. Các công ty đang ngồi trên một mỏ dữ liệu vàng, được nắm giữ bởi các cơ sở dữ liệu cũ, hàng gigabyte tệp Excel và Drawing cũng như các ứng dụng doanh nghiệp. Bằng cách khai thác dữ liệu từ nhiều nguồn, tích hợp nhiều công nghệ khác nhau và bối cảnh hóa hệ thống AI cho các tổ chức cụ thể, các doanh nghiệp có thể khai thác toàn bộ tiềm năng của PLM do AI điều khiển.
Cuối cùng, tương lai của AI trong PLM không phải là vấn đề nếu, mà là khi nào và như thế nào. Bằng cách bối cảnh hóa công nghệ AI để đáp ứng nhu cầu cụ thể của các công ty công nghiệp, chúng ta có thể đưa thế giới PLM vào một kỷ nguyên mới về hiệu quả, tính bền vững và đổi mới.
Don’t hesitate to contact Thanh for advice on automation solutions for CAD / CAM / CAE / PLM / ERP / IT systems exclusively for SMEs.
Luu Phan Thanh (Tyler) Solutions Consultant at PLM Ecosystem Mobile +84 976 099 099
Web www.plmes.io Email tyler.luu@plmes.io